Subject » BMEVIMMD312
Modelling and Identification of Dynamic Systems
Dinamikus rendszerek modellezése és identifikációja
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Dinamikus rendszerek modellezése és identifikációja
Modelling and Identification of Dynamic Systems
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIMMD312 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 5 | ||||||||||||
| Subject coordinator |
Dr. Dobrowiecki Tadeusz Pawel
position: egyetemi docens
contact:
dobrowiecki.tadeusz@vik.bme.hu
|
||||||||||||
| Responsible department |
Mesterséges Intelligencia és Rendszertervezés Tanszék
|
||||||||||||
| Faculty | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Subject website | http://www.mit.bme.hu/oktatas/targyak/vimmd312/ | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
Programme
- A modellezés, mint az egyik alapvető mérnöki tevékenység. Modellek és a valóság kapcsolata. Matematikai analízis és modellek használata.
- A rendszeridentifikáció nemparametrikus módszerei. A súlyfüggvény, az átmeneti és az átviteli függvény közvetlen becslése.
- A becsléselmélet alapjai: a legkisebb négyzetes eljárások, a Bayes-becslések, a maximum likelihood becslés rövid áttekintése. Általános tulajdonságok.
- A becsléselméletben használt numerikus eljárások. Mátrixegyenletek megoldása, többváltozós minimalizálás.
- Folytonos és diszkrét rendszermodellek, konverziók modellek között.
- Parametrikus identifikációs eljárások az idő- és a frekvenciatartományban. A feladat megfogalmazása: maximum likelihood és legkisebb négyzetes kritériumok.
- Kísérlettervezés: optimális gerjesztőjelek. Multiszinuszos jelek. Adott energia optimális elosztása a frekvenciatengely mentén, adott energiájú jel csúcstényezőjének minimalizálása a nemlinearitási hibák minimalizálása céljából.
- Lineáris és nemlineáris rendszermodellek. Lineáris modellezés nemlineáris hibák jelenlétében.
- A teljes identifikációs eljárás áttekintése gyakorlati példákon.
A tudományos és a mérnöki munka alapvető része modellek használata. Ahhoz azonban, hogy a valóság műszakilag értelmes és használható pontosságú rendszermodelljeihez jussunk, megfelelő kísérleteket kell elvégeznünk, és a mért adatokat a lehető legjobb módszerekkel kell feldolgoznunk. A tárgy ehhez nyújt elméleti hátteret. Az elméleti ismereteket gyakorlati példákkal is alátámasztja, a Matlab program segítségével.
A parametrikus rendszeridentifikáció általában egy modell megfelelő (tipikusan legkisebb négyzetes) illesztését jelenti adott mérési eredményekre, a paraméterek megfelelő beállításával. A paraméterek például a differenciaegyenlet együtthatói, vagy az átviteli függvény számlálójának és a nevezőjének együtthatói. Az illesztést elvégezhetjük az időtartományban, vagy a frekvenciatartományban is. Ez a két megközelítés másképp előfeldolgozott adatokon és kicsit eltérő fogalmakkal operál, de alapvetően azonos alapokon nyugszik. Ezért elméleti szempontból közösen tárgyalhatók. A tárgy az egységes tárgyalásmóddal ebben a tekintetben is újat nyújt.
További speciális szempont az, hogy a matematikai részletek technikailag tökéletes megtanulása sem a tudományos kutatásban, sem a mérnöki munkában nem elég. Döntő a helyes mérnöki szemléletmód elsajátítása: modellezés, becslések tulajdonságai és viselkedésük, a legkisebb négyzetes módszer általános jellemzői és használata, előnyei és hátrányai. Az előadások ebben is segítséget kívánnak adni.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
Előadás
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Jelek és rendszerek
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Jelek és rendszerek
General rules
Követelmények:
a. A szorgalmi időszakban: az előadások látogatása
b. A vizsgaidőszakban: szóbeli vizsga
c. Elővizsga: megállapodás szerint
Aktuális információk: http://www.mit.bme.hu/oktatas/targyak/vimmd312/
Pótlási lehetőségek:
-
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Nincs
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Requirements valid from:
—
Requirements valid until:
—
Curriculum placement
No curriculum placements recorded for this subject version.